Site reliability engineering -palvelut
Site reliability engineering (SRE) -palvelut järjestelmille, joiden on pysyttävä pystyssä: palvelutasotavoitteet ja virhebudjetit, observability OpenTelemetrylla, päivystys ja häiriöiden hallinta, kuormitustestaus ja kapasiteettisuunnittelu, katastrofipalautus ja chaos engineering sekä toistuva operatiivinen työ automatisoituna pois. Tarjolla omat site reliability -insinöörit tiimillenne tai SRE-projektit toimitettuna kokonaisuutena alusta loppuun.
Tarjoamamme SRE-palvelut
Observability koodista asiakkaaseen
Palvelut instrumentoidaan OpenTelemetrylla, ja mittarit, lokit ja jäljet kerätään Prometheus-, Loki- ja Tempo-järjestelmiin Grafanan alle tai Datadogiin, New Relicissä, Dynatracessa tai Elasticissa, yhdistettynä jäljitystunnuksella, jotta yhtä hidasta pyyntöä voi seurata jokaisen koskettamansa palvelun läpi.
Palvelutasotavoitteet ja virhebudjetit
Indikaattorit mitataan sen perusteella, mitä käyttäjät kokevat, kuten viiveen ja epäonnistuneiden pyyntöjen, tavoitteet sovitaan tuotteen omistajan kanssa ja burn rate -hälytykset generoidaan Slothilla tai Pyrralla, jolloin kulutettu virhebudjetti nostaa luotettavuustyön uusien ominaisuuksien edelle.
Päivystysvuorot ja hälytykset
Vuorot ja eskalointikäytännöt PagerDutyssä, incident.iossa, Grafana IRM:ssä tai Jira Service Managementissa, hälytykset karsittu, kunnes jokainen tarvitsee ihmisen, ajo-ohje linkitetty jokaisesta hälytyksestä ja Opsgenien aikataulut siirretty ennen kuin Atlassian sulkee sen huhtikuussa 2027.
Häiriöiden hallinta ja postmortemit
Vakavuustasot, häiriövastaava ja tilasivun päivitysrytmi sovitaan ennen ensimmäistä katkosta, jokainen häiriö hoidetaan omalla Slack- tai Teams-kanavallaan, ja syyttelemätön postmortem seuraa toimenpiteitä, kunnes ne on tehty.
Rutiinityön automaatio ja tuotantovalmius
Toistuva operatiivinen työ mitataan ja sitten automatisoidaan: varmenteiden uusinnat, uudelleenkäynnistykset, vikasiirrot ja siivoukset hoidetaan skripteillä ja Kubernetes-operaattoreilla, ja valmiustarkistus tehdään ennen kuin uusi palvelu ottaa tuotantoliikennettä.
Kuormitus- ja suorituskykytestaus
Kuormitus-, stressi- ja kestotestit k6:lla, Gatlingilla, Locustilla tai JMeterillä tuotannon kaltaisissa ympäristöissä ja putkessa sekä profilointi, jolla selvitetään, mihin aika kuluu, kun testi ei saavuta tavoitettaan.
Kapasiteettisuunnittelu ja autoskaalaus
Kasvuennuste oikeasta liikenteestä, autoskaalaus merkitsevillä signaaleilla, kuten jonon syvyydellä KEDAn kautta tai pyynnöillä sekunnissa, sekä varakapasiteetti myyntihuipuille ja kokonaisen vyöhykkeen menetykselle.
Katastrofipalautusharjoitukset
Palautusaika- ja palautuspistetavoitteet asetetaan palvelukohtaisesti, varmuuskopiot palautetaan ja alueet vikasiirretään ajastetusti, ja mitattua tulosta verrataan tavoitteeseen, jotta tiedetään palautussuunnitelman toimivan ennen kuin sitä tarvitaan.
Chaos engineering
Viat tuotetaan tarkoituksella AWS Fault Injection Servicellä, Azure Chaos Studiolla, Chaos Meshillä tai LitmusChaosilla: instanssi pysäytetään, riippuvuutta hidastetaan, vyöhyke katkaistaan, aloittaen stagingistä ja siirtyen tuotantoon, kun järjestelmä ja tiimi ovat valmiita.
Palkatkaa site reliability -insinöörit
Dedikoidut site reliability -insinöörit
Site reliability -insinöörit liittyvät tiimiinne kokoaikaisesti, työskentelevät teidän työkaluillanne ja prosessissanne ja raportoivat teidän vetäjällenne. Te haastattelette heidät, ja me vastaamme ukrainalaisesta sopimuksesta, palkanmaksusta, laskutuksesta ja lomista.
Projektit: Site reliability engineering
site reliability engineering rajattuna kokonaisuutena: sovittu laajuus, kiinteä suunnitelma ja meidän puolellamme nimetty vetäjä, joka vastaa tuloksesta ja raportoi edistymisestä teidän kanavissanne.
Jatkuva site reliability engineering
Site reliability engineering jatkuvana palveluna: samat ihmiset joka kuukausi, backlog, jonka priorisoitte itse, ja tunnit, jotka näette portaalissamme ja laskulla.
Dedikoitu tiimi -sivu selittää, miten asiantuntijat liittyvät tiimiinne, ja ulkoistussivu kattaa projektitoimituksen, haltuunotot ja hinnoittelumme.
Ketkä työskentelevät kanssanne: site reliability engineering
Site reliability -insinöörit
Palvelutasot, päivystys, häiriöt ja automaatio
Observability-insinöörit
Instrumentointi, kojelaudat ja hälytyssäännöt
DevOps- ja platform-insinöörit
Putket, infrastruktuuri koodina ja Kubernetes
Suorituskykyinsinöörit
Kuormitustestit, profilointi ja kapasiteettimallit
Backend-kehittäjät
Koodiin jäljitettyjen vikojen korjaukset
Miten teemme SRE:tä
Luotettavuus asetetaan sopimuksella eikä hälytysten määrällä: jokaisella palvelulla on tavoitteet, jotka tuotteen omistaja on hyväksynyt, hälytykset laukeavat, kun virhebudjetti palaa eikä jokaisesta CPU-piikistä, ja kun budjetti loppuu, luotettavuustyö menee uusien ominaisuuksien edelle, kunnes se palautuu. Kojelaudat, hälytyssäännöt ja ajo-ohjeet elävät Gitissä koodin vieressä ja muuttuvat pull requestien kautta.
Toisen tiimin rakentamassa järjestelmässä aloitamme vain luku -tarkistuksella seurannasta, hälytyksistä, aiemmista häiriöistä ja palautussuunnitelmista sekä kirjallisella riskilistalla vaikutuksen mukaisessa järjestyksessä. Päivystys alkaa vasta, kun katetut tunnit, vasteaika kullekin vakavuustasolle ja eskalointipolku tiimiinne on sovittu kirjallisesti, ja jokainen häiriö päättyy syyttelemättömään katselmointiin ja toimenpiteisiin, joita seurataan, kunnes ne on tehty.
Muut pilvi-, DevOps- ja tietoturvapalvelut
AWS-kehitys
AWS-kehityspalvelut: EKS- ja ECS-kontit, serverless, landing zone -ympäristöt, migraatiot, tietokannat, dataplatformit, Bedrock-generatiivinen tekoäly, tietoturva ja kustannusoptimointi, dedikoiduilla AWS-insinööreillä tai projektitoimituksena.
Google Cloud -kehitys
Google Cloud -kehityspalvelut: Cloud Run ja GKE, BigQuery, Firebase-taustajärjestelmät, Cloud SQL ja AlloyDB, Gemini Agent Platformilla, tietoturva ja migraatiot, dedikoiduilla Google Cloud -insinööreillä tai projektitoimituksena.
Kubernetes-konsultointi
Kubernetes-konsultointi ja -kehitys: klusterit EKS:ssä, AKS:ssä, GKE:ssä ja omissa tiloissa, Helm, GitOps Argo CD:llä tai Fluxilla, klusterin tietoturva, päivitykset ja GPU-kuormat, dedikoiduilla Kubernetes-insinööreillä tai projektitoimituksena.
DevOps ja CI/CD
DevOps- ja CI/CD-palvelut: putket, Terraform-infrastruktuuri koodina, observability, SRE ja päivystys, DevSecOps, platform engineering ja FinOps, dedikoiduilla DevOps- ja SRE-insinööreillä tai jatkuvana DevOps-työnä.
Kyberturvallisuus ja tunkeutumistestaus
Kyberturvallisuuden ja tunkeutumistestauksen palvelut: web-, mobiili-, API-, verkko- ja pilvipentestit, turvallinen koodikatselmointi, SOC ja häiriötilanteiden hallinta, ISO 27001 ja SOC 2, dedikoiduilla tietoturvainsinööreillä tai rajatuilla projekteilla.
IT-infrastruktuuri
IT-infrastruktuurin ja järjestelmänhallinnan palvelut: Windows- ja Linux-palvelimet, verkot, Microsoft 365 ja Entra ID, virtualisointi, varmuuskopiot ja telekommunikaatio, dedikoiduilla järjestelmänvalvojilla tai jatkuvana tukena.
Platform engineering
Platform engineering -palvelut: sisäiset kehittäjäalustat, Backstage-portaalit, golden pathit ja pohjat, itsepalveluinfrastruktuuri ja Kubernetes-alustat, dedikoiduilla platform-insinööreillä tai projektitoimituksena.
Pilviarkkitehtuuri
Pilviarkkitehtuurin ja -konsultoinnin palvelut: suunnitelmat AWS:lle, Azurelle ja Google Cloudille, migraatiosuunnitelmat, landing zone -ympäristöt, Well-Architected-katselmoinnit, resilienssi ja kustannukset, dedikoiduilla pilviarkkitehdeilla tai projektitoimituksena.
FinOps
FinOps- ja pilvikustannusten optimoinnin palvelut: kustannusten kohdistus, oikea mitoitus, savings planit ja varaukset, Kubernetes-, data- ja tekoälykustannukset, budjetit ja poikkeamahälytykset, dedikoiduilla FinOps-insinööreillä tai projektitoimituksena.
Terraform ja IaC
Terraform- ja infrastruktuuri koodina -palvelut: Terraform- ja OpenTofu-moduulit, tuonnit, plan- ja apply-putket, poikkeamien hallinta, policy as code ja Ansible, dedikoiduilla Terraform-insinööreillä tai projektitoimituksena.
Linux-ylläpito
Linux-ylläpitopalvelut: Ubuntu-, Debian-, RHEL-, Rocky Linux- ja AlmaLinux-palvelimet asennettuina, päivitettyinä, kovennettuina, valvottuina ja varmuuskopioituina sekä elinkaaren päättyvien järjestelmien päivitykset, dedikoiduilla Linux-ylläpitäjillä tai jatkuvana tukena.
Tietoverkkotekniikka
Tietoverkkotekniikan palvelut: reititys ja kytkentä, palomuurit, SD-WAN ja zero-trust-pääsy, pilviverkot, Wi-Fi ja automaatio alustoilla Cisco, Juniper ja Fortinet, dedikoiduilla verkkoinsinööreillä tai projektitoimituksena.
Pilvitietoturva
Pilvitietoturvapalvelut: CSPM ja CNAPP, IAM-katselmoinnit, Kubernetes-tietoturva, verkko- ja datasuojaus sekä pilven vaatimustenmukaisuus AWS:ssä, Azuressa ja Google Cloudissa, dedikoiduilla pilvitietoturvainsinööreillä tai projektitoimituksena.
SOC ja tietoturvan valvonta
SOC palveluna ja tietoturvan valvonta: hallinnoitu SOC, SIEM-käyttöönotto, lokien liittäminen, tunnistussääntöjen kehitys (detection engineering), EDR, uhkien metsästys ja häiriötilanteiden hallinnan retainer-sopimukset, dedikoiduilla SOC-analyytikoilla tai jatkuvalla valvonnalla.
Tietoturvan vaatimustenmukaisuus
Tietoturvan vaatimustenmukaisuus ja auditointivalmius: kontrollit standardeille ISO 27001, SOC 2, GDPR, PCI DSS, HIPAA, NIS2 ja DORA, aukkoanalyysit ja auditointitodisteet, dedikoiduilla vaatimustenmukaisuusinsinööreillä tai valmiusprojektina.
Kysymyksiä site reliability engineeringistä
Millä toimialoilla site reliability -insinöörinne työskentelevät?
Pääosin fintechissä ja pankkitoiminnassa, jossa maksu- ja kaupankäyntijärjestelmille asetetaan tiukat käyttöaikavaatimukset ja DORAn kaltaiset resilienssisäännöt; pilvi-, hosting- ja telekommunikaatiopalveluntarjoajissa, joiden asiakkaat riippuvat niiden käyttöajasta; verkkokaupassa ja vähittäiskaupassa, jossa kapasiteetti suunnitellaan myyntihuippujen ympärille; yritys-SaaS-tuotteissa, joiden sopimuksissa on käyttöaikasitoumuksia; terveydenhuollon alustoilla; tekoäly- ja datatuotteissa, joissa GPU-kuormat ja putket on pidettävä käynnissä; sekä tietoturvayrityksissä.
Mikä ero on SRE:llä ja DevOpsilla?
DevOps kattaa sen, miten koodi pääsee tuotantoon: putket, infrastruktuuri koodina ja julkaisut. SRE kattaa sen, miten koodi käyttäytyy perillä: saatavuus- ja viivetavoitteet, niitä mittaava seuranta, päivystys, häiriöihin reagointi ja insinöörityö, joka poistaa toistuvat viat. Useimmat tiimit tarvitsevat molempia, ja tarjoamme kumpaa tahansa tai molempia.
Mitä observability-työkaluja käytätte?
OpenTelemetry instrumentointiin; Prometheus, Grafana, Loki, Tempo ja Mimir joko itse ylläpidettyinä tai Grafana Cloudina; Datadog, New Relic, Dynatrace, Elastic ja Splunk; Azure Monitor, Amazon CloudWatch ja Google Cloud Observability; sekä PagerDuty, incident.io ja Grafana IRM päivystykseen. Työskentelemme niillä työkaluilla, joista te jo maksatte.
Kuinka nopeasti site reliability -insinöörit voivat aloittaa?
Kun sopiva site reliability -insinööri on saatavilla, aloitus riippuu vain teidän haastattelustanne sekä salassapitosopimuksesta (NDA) ja immateriaalioikeuksien siirrosta. Muussa tapauksessa teemme haun, joka tuottaa yleensä ehdokasprofiileja kahden tai kolmen viikon kuluessa, eikä kukaan aloita ennen kuin olette hyväksyneet.
Miten palkataan site reliability -insinöörit BigTree108:n kautta?
Kertokaa meille työstä, kokemustasosta ja tarvitsemistanne tunneista. Ehdotamme yhtä tai kahta henkilöä profiileineen, te haastattelette heidät samoin kuin haastattelisitte oman rekrytointinne, ja allekirjoitatte yhden sopimuksen BIG TREE 108 LLC:n kanssa ja saatte yhden laskun kuukaudessa.
Kenelle heidän tuottamansa työ kuuluu?
Teille. Jokaisella asiantuntijalla on BigTree108:n kanssa allekirjoitettu sopimus, jossa kaikki työn tulokset siirretään yhtiölle, ja meidän sopimuksemme teidän kanssanne siirtää ne edelleen teille. Koodi, suunnitelmat ja dokumentit toimitetaan teidän omiin repositorioihinne ja työkaluihinne, eikä niitä säilytetä paikassa, jossa vain me voimme muuttaa niitä.
Tarvitsetteko site reliability -insinöörejä?
Kertokaa, mitä tuotannossa pyörii, miten sitä seurataan ja mikä on viime aikoina mennyt pieleen. Saatte vastauksen yhden arkipäivän kuluessa: suunnitelman, kehittäjäprofiileja tai rajauksen luotettavuustarkistukselle.